文章目錄

• 前言
• 一、灰色預測模型
• • 1.概述
  • 2.流程
  • 3.使用情景
• 二、BP神經網絡預測模型
• 三、預測題的常規套路
• 總結

---

前言

灰色預測適用于數據量少的情況下使用。
BP神經網絡預測適合在數據量多且指標多的情況下使用。

---

一、灰色預測模型

1.概述

• 灰色預測是對既含有已知信息又含有不確定信息的系統進行預測，就是對在一定范圍內變化的、與時間有關的灰色過程進行預測。
• 灰色預測對原始數據進行生成處理來尋找系統變動的規律，并生成有較強規律性的數據序列，然后建立相應的微分方程模型，從而預測事物未來發展趨勢的狀況。

2.流程

累加生成

建立GM（1，1）模型

檢驗預測值

3.使用情景

數據是以年份度量的非負數據（如果是月份或者季度數據一定要用時間序列模型）；

數據能經過準指數規律的檢驗（除了前兩期外，后面至少90%的期數的光滑比要低于0.5）；

數據的期數較短且和其他數據之間的關聯性不強（小于等于10，也不能太短了，比如只有3期數據），要是數據期數較長，一般用傳統的時間序列模型比較合適。

---

二、BP神經網絡預測模型

閱讀博客：

• BP神經網絡預測matlab代碼講解與實現步驟
• BP神經網絡預測實例（matlab代碼，神經網絡工具箱）
• BP神經網絡的預測模型

---

三、預測題的常規套路

看到數據后先畫時間序列圖并簡單的分析下趨勢（例如：我們上一講學過的時間序列分解）；

將數據分為訓練組和試驗組，嘗試使用不同的模型對訓練組進行建模，并利用試驗組的數據判斷哪種模型的預測效果最好（比如我們可以使用SSE這個指標來挑選模型，常見的模型有指數平滑、ARIMA、灰色預測、神經網絡等）。

選擇上一步驟中得到的預測誤差最小的那個模型，并利用全部數據來重新建模，并對未來的數據進行預測。

畫出預測后的數據和原來數據的時序圖，看看預測的未來趨勢是否合理。

---

總結

補充閱讀：【數學建模】灰色預測模型（預測）

總結

以上是生活随笔為你收集整理的数学建模 —— 预测模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。